Probabilité. Table des matières. 1 Loi de probabilité Conditions préalables Définitions Loi équirépartie...

Dimension: px
Commencer à balayer dès la page:

Download "Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie..."

Transcription

1 1 Probabilité Table des matières 1 Loi de probabilité Conditions préalables Définitions Loi équirépartie Probabilité d un événement Définition Événement d une loi équirépartie Opération sur les ensembles Compémentaire d un ensemble Intersection de deux ensembles Union de deux ensembles Lois De Morgan Distributivité Utilisation de ces opérations dans le loi de probabilité Visualisation de données statistiques Critères indépendants Critères conditionnels Plusieurs sortes de tirages Tirage simultané Tirages successifs sans remise Tirages successifs avec remise Variable aléatoire Définition Loi de probabilité, espérance et variance Exemples

2 2 1 LOI DE PROBABILITÉ 1 Loi de probabilité 1.1 Conditions préalables Il s agit dans ce chapitre de construire une structure mathématique qui permette de repérer des situations identiques et d avoir un méthode rigoureuse dans un domaine où notre intuition nous conduit souvent à la solution sans vraiment avoir conscience de notre démarche. Dans tout calcul de probabilité, il faut : Une expérience aléatoire : il s agit d un protocole bien précis (règle d un jeu) dont on ne peut prévoir l issue. Exemples : Lancer un dé sur une piste de jeu. Lancer une pièce de monnaie Tirer une carte à jouer. Cocher les 6 numéros d une grille de Loto qui en comporte 49. etc... Repérer toutes les issues possibles de l expérience : il s agit d un dénombrement des issues possibles d une expérience. Exemples : Il y a 6 issues possibles pour un dé : {1; 2; 3; 4; 5; 6}. Il y a deux issues possibles pour une pièce de monnaie : face ou pile : {F; P} Dans un jeu de 32 cartes il y a 32 issues possibles Pour une grille de Loto, il est nécessaire d avoir une méthode afin de compter les issues. Cette partie des mathématique s appelle le dénombrement. Pour information, il y a etc... Déterminer ce que l on souhaite comme issues. Exemples Obtenir un nombre pair avec un dé Obtenir face avec une pièce Obtenir un coeur avec un jeu de carte Obtenir 5 bons numéros sur une grille de Loto etc Définitions Définition 1 : On appelle univers d une expérience aléatoire, l ensemble de toutes les issues de cette expérience. On appelle habituellement cette ensemble : Ω. Si e 1, e 2,..., e n sont les issues de cette expérience, on a alors : Ω = {e 1, e 2,..., e n } Exemples :

3 1.2 DÉFINITIONS 3 L univers d un dé : Ω = {1; 2; 3; 4; 5; 6} L univers d une pièce : Ω = {F; P} Parfois nommer toutes les issues est trop long comme l univers d un jeu de 32 cartes ou d une grille de Loto. On se contente alors de compter les éléments de cet ensemble Ω Définition 2 : On appelle cardinal d un ensemble fini Ω, le nombre d élément qui le compose. On le note Card(Ω) Si e 1, e 2,..., e n sont les issues de cette expérience, on a alors : Card(Ω) = n Exemples : L univers Ω d un jeu de 32 cartes : Card(Ω) = 32 L univers Ω d une grille de Loto : Card(Ω) = Définition 3 : compris entre 0 et 1 tel que : On appelle probabilité d une issue e i, noté p(e i ) le nombre p(e 1 ) + p(e 2 ) + + p(e n ) = 1 Définir la loi de probabilité d une expérience, c est déteminer les probabilités de tous les éléments de l ensemble Ω. Exemples : Dans un urne qui contient 10 boules indicernables au toucher, 3 vertes (V), 3 bleues (B) et 4 jaunes (J), on tire une boule au hasard et on note sa couleur. Déterminer la loi de probabilité de cette expérience. L univers de cette expérience est Ω = {V, R, J}. Pour déterminer la loi probabilité de cette expérience, il faut calculer les probabilités suivantes : p(v) = 3 10 = 0, 3 p(b) = 3 10 = 0, 3 p(j) = 4 10 = 0, 4 On regroupe ces résultats dans un tableau. e i V R J p(e i ) 0, 3 0, 3 0, 4 On a lancé 1000 fois un dé pipé. Les résultats sont consignés dans le tableau ci-dessous. numéro sorti nombre de sorties

4 4 1 LOI DE PROBABILITÉ Etablir la loi de probabilité du dé pipé. Un dé pipé est un dé non équilibré. La loi de probabilité est alors établie par des données statistiques. Sans avoir de certitude sur les probabilités exacte, vu le grand nombre de lancés (1000), on peut suposer que le nombre d apparition d une face détermine sa probabilité. L ensemble univers est Ω = {1, 2, 3, 4, 5, 6}. Les probabilités d apparition des faces 1 à 5 est : p(1) = p(2) = p(3) = p(4) = p(5) = = 0, 082 = 0, 12 = 0, 153 = 0, 207 = 0, 265 Pour déterminer la probabilité est la face 6 : p(1) + p(2) + p(3) + p(4) + p(5) + p(6) = 1 p(6) = 1 p(1) p(2) p(3) p(4) p(5) = 1 0, 082 0, 12 0, 153 0, 207 0, 265 = 0, 173 On peut alors remplir le tableau suivant : 1.3 Loi équirépartie e i p(e i ) 0, 082 0, 12 0, 153 0, 207 0, 265 0, 173 Définition 4 : Lorsque toutes les issues ont la même probabilité d apparition, on dit que la loi de probabité est équirépartie (ou encore que l on se situe dans un cas d équiprobabilité). Si Card(Ω) = n alors on a : i {1, 2,..., n} p(e i ) = 1 n Exemples : Dans un dé bien équilibré chaque face à la même probabilité d apparition donc p(1) = p(2) = p(3) = p(4) = p(5) = p(6) = 1 6 si une pièce est bien équilibrée chaque face à la même probabilité d apparition donc : p(f) = p(p) = 1 2

5 5 2 Probabilité d un événement 2.1 Définition Définition 5 : On appelle évènement un sous ensemble de l ensemble univers Ω. Soit A un événement donné. p(a), sa probabilité, est alors la somme des probabilités des issues qui le composent. Exemples : On lance le dé pipé dont on a calculé la loi de probabilité auparavant. Calculer la probabilité de l évènement A A : "Obtenir un multiple de 3" On a alors : A = {3, 6}, donc : p(a) = p(3) + p(6) = 0, , 173 = 0, 326 Cas particulier : Si l ensemble A est réduit à l ensemble vide, il n est composé d aucune issue. On l appelle alors l événement impossible. p( ) = 0 Si l ensemble A repésente tout l univers Ω, il est composé de toutes les issues. On l appelle alors l événement certain. p(ω) = Événement d une loi équirépartie Théorème 1 : vérifie l égalité suivante : Dans une loi équirépartie, la probabilité d un événement A p(a) = nombre d issues de l événement A nombre d issues total = Card(A) Card(Ω) Exemple : On lance un dé équilibré. Quel est la probabilité de l événement A défini par : A : "Obtenir un multiple de 3" On a donc : A = {3, 6} donc Card(A) = 2. p(a) = 2 6 = 1 3

6 6 3 OPÉRATION SUR LES ENSEMBLES 3 Opération sur les ensembles 3.1 Compémentaire d un ensemble Définition 6 : On appelle complémentaire de l ensemble A dans l ensemble Ω, l ensemble noté A composé des éléments de Ω qui ne sont pas élément de A. Le complémentaire correspond au connecteur logique NON. On a alors : e A e Ω et e / A A se prononce "A barre" On peut visualiser le complémentaire de A dans Ω par le diagramme de Venn suivant : e A A Exemples : A : faire au moins 3 avec un dé A : faire au plus 2 avec un dé On tire deux cartes dans un jeu B : Obtenir au moins un coeur B : Obtenir aucun coeur 3.2 Intersection de deux ensembles Définition 7 : On appelle intersection de deux sous-ensembles A et B dans un ensemble Ω, l ensemble noté : A B (A inter B) constitué des éléments communs à A et B. On a donc : x A B x A et x B 1. On peut visualiser l intersection de deux ensembles A et B par le diagramme de Venn suivant : Ω A x B

7 3.3 UNION DE DEUX ENSEMBLES 7 2. Lorsque l ensemble A est inclus dans l ensemble B, on a alors : A B A B = A 3. Lorsque les ensembles A et B sont disjoints, ils ne possèdent aucun élément commun, leur intersection est donc vide, on a donc : A B = A et B sont disjoints C est le cas avec l ensemble A et sont complémentaire A, on a donc : A A = Exemples : On tire une carte dans un jeu A : Obtenir un coeur B : Obtenir une dame A B : Obtenir la dame de coeur Une classe de première est constituée de filles et de garçons. Les élèves sont agés de 16 à 18 ans. On interroge un élève au hasard A : l élève interrogé est un garçon B : L élève interrogé a 16 ans A B : L élève interrogé est un garçon de 16 ans 3.3 Union de deux ensembles Définition 8 : On appelle union de deux sous-ensembles A et B dans un ensemble Ω, l ensemble noté : A B (A union B) constitué des éléments qui appartiennent à A ou à B (éventuellement aux deux, le «ou» étant non exclusif). On peut alors écrire : x A B x A ou x B 1. On peut visualiser l union de deux ensembles A et B par le diagramme de Venn suivant : Ω A a 1 a 3 a 2 B 2. Lorsque l ensemble A est inclus dans l ensemble B, on a alors : A B A B = B 3. L union de l ensemble A et de son complémentaire A donne l ensemble Ω, c est à dire : A A = Ω Exemples :

8 8 3 OPÉRATION SUR LES ENSEMBLES On tire une carte dans un jeu A : Obtenir un coeur B : Obtenir une dame A B : Obtenir une dame ou un coeur Une classe de première est constituée de filles et de garçons. Les élèves sont agés de 16 à 18 ans. On interroge un élève au hasard A : l élève interrogé est un garçon B : L élève interrogé a 16 ans A B : L élève interrogé est un garçon ou un élève de 16 ans 3.4 Lois De Morgan Règle 1 : Soit A et B deux sous-ensembles de l ensemble Ω. On a les égalités suivantes : A B = A B et A B = A B Le complémentaire de l intersection est égal à l union des complémentaires et le complémentaire de l union est égal à l intersection des complémentaires Remarque : Le complémentaire se traduit en français par une négation. L union et l intersection se traduisent respectivement par les mots "ou" et "et". Ainsi la négation de la phrase : "je vais au théatre ou au cinéma" (je peux aller au deux) se traduit, grâce à notre règle par : "je ne vais pas au théatre et je ne vais pas au cinéma" que l on peut aussi traduire par : "je ne vais ni au théatre ni au cinéma" 3.5 Distributivité Règle 2 : Soit trois sous-ensembles A, B et C d un ensemble Ω. on a alors les égalités suivantes : A (B C) = (A B) (A C) et A (B C) = (A B) (A C) Remarque On peut visualiser par un diagramme de Venn : A (B C)

9 3.6 UTILISATION DE CES OPÉRATIONS DANS LE LOI DE PROBABILITÉ 9 Ω A (B C) A B C Visualisation : A (B C) Ω A (B C) A B C 3.6 Utilisation de ces opérations dans le loi de probabilité Théorème 2 : Si A et B sont deux évènements, alors on a : Si A et B sont incompatibles, alors : P(A) = 1 P(A) P(A B) = P(A) + P(B) P(A B) P(A B) = P(A) + P(B) Exemples : A et B sont deux évènements d une même expérience aléatoire. Calculer P(B). On donne : p(a) = 0, 3 ; P(A B) = 0, 7 et P(A B) = 0, 2 On calcule d abord P(B) : P(A B) = P(A) + P(B) P(A B) P(B) = P(A B) P(A) + P(A B)

10 10 3 OPÉRATION SUR LES ENSEMBLES On calcule ensuite P(B) : P(B) = 1 P(B) = 1 P(A B) + P(A) P(A B) = 1 0, 7 + 0, 3 0, 2 = 0, 4 On tire au hasard une carte dans un jeu de 32 cartes et on appelle A, B, C et D les évènements suivants : A : " La carte est de couleur noire " B : " La carte est un coeur " C : " La carte est un roi " D : " La carte est une figure " Calculer la probabilité des évènements suivants : A D ; B C ; C ; A B ; A D ; A C ; B C ; B C ; A B A D : La carte est une figure noire donc : P(A D) = 6 32 = 3 16 B C : La carte est le roi de coeur donc : P(B C) = 1 32 C : La carte n est pas un roi. On passe par l événement C, donc : P(C) = 1 P(C) P(C) = P(C) = 7 8 A B : la carte est de couleur rouge ou n est pas un coeur (soit tout le jeu) ce que l on vérifie par : P(A B) = P(A) + P(B) P(A B) P(A B) = 1 P(A) + 1 P(B) P(A B) P(A B) = P(A B) = 1 Événement certain A D = A D : la carte est rouge et n est pas une figure : P(A D) = = 5 16 A C : La carte est de couleur noire et n est pas un roi, donc : P(A C) = 7 32

11 11 B C : La carte n est pas le roi de coeur, donc : P(B C) = 1 P(B C) P(B C) = P(B C) = B C : La carte est un coeur et n est pas un roi, donc : P(B C) = 7 32 A B : la carte est de couleur noire ou est un coeur, donc la carte n est pas un carreau, donc : P(A B) = P(A) + P(B) P(A B) A B est incompatible car la carte ne peut être de couleur noire et être un coeur P(A B) = P(A B) = Visualisation de données statistiques Lorsque l on recueille des données statistique sur une population on peut s intéressé à deux ou trois critères de cette population. Les données sur ces critères peuvent être données soit de façon indépendante soit de façon conditionnelle. Les exemples suivants permettent d illustrer ces différents cas. 4.1 Critères indépendants Dans une classe de 30 élèves, 12 sont des filles, 75 % des filles osnt droitières et 1/3 des garçons osnt gauchers. Quelle est la probabilité de l élève soit droitier? On peut remplir le tableau à double entrée suivant : Garçons Filles Total Gauchers 18/3 = , 75 = = 15 Droitier 18 6 = = = 15 Total = On peut remarquer qu il y a autant de gauchers (15) que de droitier (15), donc : P(droitier) = 1 2 Une compagnie d assurance analyse les contrats souscrits par ses clients. Voici les résultats :

12 12 4 VISUALISATION DE DONNÉES STATISTIQUES 72 % ont souscrit au moins une assurance Habitation ; 54 % ont souscrit au moins une assurance Auto ; 30 % ont souscrit au moins une assurance Vie ; 7 % ont souscrit les trois assurances ; 25 % ont souscrit exactement une assurance Auto et une assurance Habitation ; 31 % ont souscrit uniquement une assurance Habitation. 14 % ont souscrit uniquement une assurance Auto. (Tous les clients ont souscrit au moins un contrat parmi les trois cités ci-dessus.) 1) Représentez cette situation à l aide d un diagramme de Venn. 2) La compagnie envoie un courrier à un assuré choisi au hasard. On appelle : H : " l assuré a souscrit une assurance Habitation ", V : " l assuré a souscrit une assurance Vie " et A : " l assuré a souscrit une assurance Auto ". Identifier, sur le diagramme, les événements suivants, et calculez leur probabilité. a) A V ; A H ; A V H. P(A V) = P(A H) = P(A V H) = = 0, = 0, 07 = 0, 92 b) H A ; H V. P(H A) = P(H V) = = 0, 22 = 0, 14

13 4.2 CRITÈRES CONDITIONNELS 13 c) A H ; A V. P(A H) = P(A V) = = 0, 06 = 0, 31 3) Décrire, à l aide des lettres A, V et H, les événements suivants. E : " L assuré n a pas souscrit d assurance Vie, mais il a souscrit une assurance Habitation et une assurance Auto ". E = V H A F : " L assuré a souscrit uniquement une assurance Auto ". F = H V G : " L assuré a souscrit exactement une assurance Auto et une assurance Habitation". G = E 4.2 Critères conditionnels Le sang humain est classé en quatre groupes distincts A, B, AB et O. Quel que soit le groupe, le sang, soit possède un facteur Rhésus (on note alors Rh+ ), soit ne possède pas ce facteur (on note alors Rh ). Parmi une population P, les groupes sont ainsi répartis A : 40% B : 10% AB : 5% 0 : 45%. Le tableau ci-dessous donne la répartition de facteur Rhésus pour chacun des groupes. A B AB O Rh+ 82% 81% 83% 80% Rh 18% 19% 17% 20% Comme les données du Rhésus sont donnés en fonction de chaque groupe sanguin, on peut visualiser ces données par un arbre pondéré où le coefficient correspondant au pourcentage donné. On a alors l arbre suivant : On peut par exemple écrire : P A (Rh+) = 0, 82 : probabilité d avoir un facteur Rhésus positif sachant que la personne est du groupe A Lorsque l on suit un chemin sur l arbre, on multiplie les coefficient (pourcentage de pourcentage)

14 14 5 PLUSIEURS SORTES DE TIRAGES Un individu du groupe O de Rhésus négatif est dit donneur universel. Quelle est la probabilité qu un individu choisi au hasard dans la population P 1. soit un donneur universel? 2. ait un Rhésus négatif? P(O ) = P(O) P O (Rh ) = 0, 45 0, 2 = 0, 09 P(Rh ) = P(A) P A (Rh ) + P(B) P B (Rh ) + P(AB) P AB (Rh ) + P(O) P O (Rh ) = 0, 4 0, , 1 0, , 05 0, , 45 0, 2 = 0, Plusieurs sortes de tirages Comme nous l avons vu, dans une loi équirépartie, il est nécessaire de dénombrer les cas favorables et les cas possibles. On est conduit à trouver une procédure pour dénombrer ces cas. Une procédure procédure très efficace, consiste à assimiler l expérience à un des tirages suivants : Tirage simultané Tirages successifs sans remises Tirages successifs avec remise Analysons ces différents cas de figures par des exemples. 5.1 Tirage simultané Un groupe de cinq personnes est constitué de deux femmes, désignées par f 1 et f 2, et de trois hommes, désignés par h 1, h 2 et h 3. Chacun donne sa carte de visite et on place les cinq cartes dans une urne. On effectue alors un tirage simultané de deux cartes. 1. Ecrire les issues possibles. L ensemble univers Ω est : Ω = { f 1, f 2, h 1, h 2, h 3 }

15 5.1 TIRAGE SIMULTANÉ 15 Lorsqu on tire deux cartes, on obtient un sous ensemble de Ω à deux éléments. Il s agit de répertorier tous les sous ensembles à deux éléments : Sous ensemble contenant f 1 { f 1, f 2 }, { f 1, h 1 }, { f 1, h 2 }, { f 1, h 3 } Sous ensemble contenant f 2, mais pas f 1 { f 2, h 1 }, { f 2, h 2 }, { f 2, h 3 } Sous ensemble contenant h 1, mais ni f 1 ni f 2 {h 1, h 2 } {h 1, h 3 } Sous ensemble contenant h 2, mais ni f 1, ni f 2 et ni h 1 {h 2, h 3 } Il y a donc = 10 tirages possibles Remarque : Ces différents tirages possibles s appelle des combinaisons de 2 éléments parmi 5. Nous verons en terminale que ce nombre de combinaisons se note : ( ) 5 = Calculer les probabilités des événements suivants : H : " le tirage donne les cartes de deux hommes " On suppose que les cartes de visite sont indicernables au toucher ce qui se traduit par une loi équirépartie. On compte alors le nombre de sous ensembles à deux éléments qui ne contiennent que des hommes, on en dénombre 3 donc : P(H) = 3 10 = 0, 3 F : " le tirage donne les cartes de deux femmes " Il n y a qu un seul tirage qui contient que des femmes, donc : P(F) = 1 10 = 0, 1 D : " le tirage donne les cartes de deux personnes de sexes opposés " On dénombre 6 tirages composés d un homme et d une femme. P(D) = 6 10 = 0, 6 Remarque : On peut remarquer que l événement D est le complémentaire de H F. D = H F

16 16 5 PLUSIEURS SORTES DE TIRAGES 5.2 Tirages successifs avec remise Exemple 1 : À la course du tiercé, il y a vingt chevaux au départ. À l arrivée, il n y a pas d ex-aequo. On mise sur trois numéros. 1) Calculer la probabilité de gagner le tiercé dans l ordre. (Il s agit d avoir les numéros des trois premiers chevaux dans l ordre d arrivée.) Pour connaitre le nombre tiercés possibles, il faut déterminer le nombre de triplets possibles avec 20 éléments. On peut assimiler un triplet à trois tirages successifs sans remise dans une urne contenant 20 boules, indicernables au toucher. Une fois une boule tiré, on ne la remet pas dans l urne. On a alors 20 boules pour le premier tirage, 19 pour le second et 18 pour le troisième, on a donc : = tiercés possibles Il y a bien sur qu un seul tiercé dans l ordre possible. La probabilité d avoir le tiercé dans l ordre est donc : P(ordre) = 1 0, soit 0, 0146 % 6840 Remarque : Le nombre triplets possibles, s appelle un arrangement de 3 éléments parmi 20, on le note : A ) Calculer la probabilité de gagner le tiercé dans le désordre. (Il s agit d avoir les numéros des trois premiers, mais pas dans l ordre d arrivée.) Il s agit ici de dénombrer toutes les permutations posssible d un triplets (a, b, c). Permuter signifie changer de place. On fait la liste des triplets que l on peut écrire avec les lettres a, b et c. (a, b, c), (a, c, b), (b, a, c), (b, c, a), (c, a, b), (c, b, a) Sur le 6 triplets possibles, on enlève celui qui donne le tiercé dans l ordre, on a donc la probabilité d avoir le tiercé dans l ordre : Exemple 2 : P(désordre) = = , soit 0, 0730 % On désigne par Ω l ensemble des anagrammes du mot MARIE (Exemple : AMRIE). Un anagramme n est pas nécessairement un nom du dictionnaire. 1. Déterminer le nombre d anagrammes possible avec le mot MARIE. On peut supposer que le nombre d anagrammes peut être assimilé à 5 tirages successifs sans remises. Il s agit donc de trouver toutes les permutations du mot MARIE. Comme chaque lettre sont différentes, il a 5 choix possibles pour la première, 4 pour la seconde, 3 pour la troisième, 2 pour la quatrième et 1 pour la dernière. On a donc : = 120 anagrammes possibles

17 5.3 TIRAGES SUCCESSIFS AVEC REMISE Déterminer les probabilités des événements suivants : A : " on obitient le mot AIMER " P(A) = B : " le mot commence par une voyelle " Il y trois voyelle dans le mot MARIE, donc on a 3 choix pour la première lettre, le choix des autres lettres étant indiférent. P(B) = 3 5 C : " le mot se termine par une consonne " Le choix des 4 première lettres étant indifférent, comme il y a deux consonnes, on a donc : P(C) = 2 5 D : " le mot commence par une voyelle ou se termine par une consonne " On a donc D = B C, comme on a : P(B C) = P(B) + P(C) P(B C) Il nous faut déterminer la probabilité de B C, c est à dire que le mot commence par une voyelle et se termine par une consonne. Il y a 3 choix pour la première lettre, 2 choix pour la dernière, 3 choix pour la deuxième, 2 pour la troisième et 1 pour la quatrième, donc : On a donc : P(B C) = = 3 10 P(B C) = P(B) + P(C) P(B C) = = 7 10 = 0, Tirages successifs avec remise Exemple 1 : On place au hasard trois chemises de couleurs bleue, blanche et rouge dans 4 tiroirs a, b, c, d. Chaque répartition est équiprobable. 1. Combiens y a t-il de répartition possibles? On peut procéder ainsi : pour la première chemise, on tire au hasard une boule dans un urne contenant 4 boules notés a, b, c et d puis on remet la

18 18 5 PLUSIEURS SORTES DE TIRAGES boule tiré dans l urne et l on procède de façon identique pour les 2 autres chemises. Il y a donc 4 choix pour chaque chemise, donc il y a : 4 3 = 64 répartitions possibles Remarque : Si l on fait p tirages dans un urne qui contient n éléments, on a n p tirages possibles 2. Calculer la probabilités des événements suivants : M : " toutes les chemises sont dans le même tiroir " les chemises sont dans le tiroir a, b, c ou d donc : V : " les tiroirs b et c sont vide " P(M) = 4 64 = 1 16 Pour chaque chemise, nous n avons que deux tiroirs possibles donc : Exemple 2 : P(V) = = 8 64 = 1 8 On lance un dééquilibré quatre fois de suite et on considère le nombre formé par les quatre numéros pris dans l ordre de sortie. Ω désigne l ensemble des issues possibles, muni de la loi équirépartie. 1. Calculer le nombre d issues possibles. Pour chaque lancement, il y a 6 choix possibles, donc il y a : 6 4 = issues possibles 2. Calculer les probabilités des événements suivants A : " le nombre est " P(A) = B " le nombre est formé de 4 chiffres distincts " Pour le premier chiffre, il y a 6 choix possibles, pour le second 5, le troisième 4 et le dernier 3. On a donc : C : " le nombre est pair " P(B) = = = 5 18 Pour que le nombre soit pair, il peut se terminer par 2,4 ou 6. Comme le choix des trois premiers chiffres est indifférent, on a : P(C) = 3 6 = 1 2

19 19 D : " le nombre est multiple de 101 " Tout multiple de 101 est de la forme k 101. Comme le nombre le plus grand que l on peut formé est 6 666, donc k < 60. En transcrivant le nombre dans la numération en base 10, on a : k 101 = k k Le nombre est formé de k unités et k centaines, il est donc de la forme abab. donc k est un nombre de deux chiffres formé à l aide de 1, 2, 3, 4, 5 ou 6, il y a 6 2 choix possibles. 6 Variable aléatoire 6.1 Définition P(D) = = 1 36 Définition 9 : Ω est l univers d une expérience aléatoire. Toute fonction définie sur Ω à valeur dans R, est appelée une variable aléatoire. X : Ω R A x i On note alors P(X = x i ) la probabilité d avoir la valeur x i, c est à dire que P(A) = P(X = x i ) Remarque : Cette dénomination est un abus de langage. D abord X n est pas un variable, mais une fonction, définie sur l univers. Ensuite cette fonction n a rien d aléatoire ; elle est parfaitement déterminée. Exemple : On lance trois pièces de monnaie identiques. On numérote les pièce 1, 2 et 3. Pour chaque pièce, il y a deux éventualités, soit elle tombe sur face soit sur pile. Si on relève dans l ordre les résultats des pièces 1, 2 et 3, on obtient 2 3 = 8 issues possibles. Si on associe l apparition d une pièce sur face avec un gain de 2 e et l apparition d une pièce sur pile avec une perte de 1 e, on crée une variable aléatoire X qui à une issue possible associe un gain. cette variable aléatoire peut donc prendre comme valeur : 6 e si les trois pièces tombent sur face 3 e si deux pièces tombent sur face et une sur pile 0 e si une pièce tombe sur face et deux sur pile 3 e si les trois pièces tombent sur pile 6.2 Loi de probabilité, espérance et variance Définition 10 : On peut définir une nouvelle loi de probabilité de X qui à chaque x i associe le nombre P(X = x i )

20 20 6 VARIABLE ALÉATOIRE Exemple : Reprenons l exemple ci-dessus et calculons la probabilité pour chaque gain possible. Un gain de 6 e. Il n y a qu une seule possibilité : (F, F, F). P(X = 6) = 1 8 = 0, 125 Un gain de 3 e. Il faut faire un fois pile. Cela peut être avec la pièce 1, 2 ou trois. Donc : P(X = 3) = 3 = 0, Un gain de 0 e. Il faut faire un fois face. Donc : P(X = 0) = 3 8 = 0, 375 Un gain de 3 e. Il n y a qu une seule possibilité : (P, P, P). P(X = 3) = 1 8 = 0, 375 On peut résumer la loi dans un tableau. gain x i P(X = x i ) 0, 125 0, 375 0, 375 0, 125 Définition 11 : suivants : Pour toute variable aléatoire, on peut définir, les nombres L espérance mathématique E(X) (moyenne des valeurs x i ) E(X) = n p i x i i=1 La variance V(X) (moyenne des écarts au carré) V(X) = n p i xi 2 E 2 (X) i=1 L écart type σ(x) (racine carrée de la variance) σ(x) = V(X) Exemple : Si l on reprend l exemple précédent. on a alors : E(X) = 0, , , , = 1, 5 Cela veut dire qu en moyenne un joueur gagne 1,5 e. Le jeu est donc favorable au joueur.

21 6.3 EXEMPLES 21 V(X) = 0, , , , , 5 2 = 4, 5 σ(x) = 4, 5 2, 12 La distance moyenne entre le gain d un joueur et l espérence est d environ 2,12 e. Remarque : On prend souvent comme variable aléatoire le gain pour un jeu. On peut alors remarquer que si : E(X) > 0 E(X) = 0 E(X) < 0 le jeu est favorable au joueur le jeu est équitable le jeu est défavorable au joueur 6.3 Exemples Exemple 1 : Dans un cercle de rayon 40 cm et de centre O, on a tracé trois cercles concentriques de rayons 10 cm, 15 cm et 20 cm. On définit ainsi une cible dont les zones sont bleue, rouge, jaune et blanche. Un joueur de fléchette atteint toujours la cible, et on admet que la probabilité qu il atteigne une zone donnée est proportionnelle à l aire de cette zone. Lorsqu il atteint la zone bleue, il gagne 20 e, lorsqu il atteint la couronne rouge, il gagne 10 e, et pour la couleur jaune, il gagne 5 e. En revanche, si la fléchette atteint la zone blanche, il perd 2 e. On appelle X le gain du joueur. Déterminez la loi de prot ;bilité de X et son espérance mathématique. Le jeu est-il favorable au joueur? Il faut déterminer la probabilité d atteindre chaque zone.

22 22 6 VARIABLE ALÉATOIRE P(X = 20) = Aire surface bleu Aire de la cible = π 102 π 40 2 = = 1 16 P(X = 10) = P(X = 5) = Aire surface rouge Aire de la cible Aire surface jaune Aire de la cible = π( ) π 40 2 = = 5 64 = π( ) π 40 2 = = 7 64 P(X = 2) = Aire surface blanche Aire de la cible = π( ) π 40 2 = = 3 4 On peut résumer ces résultats dans un tableau x i gain P(X = x i ) On peut alors calculer l espérance mathématique : E(X) = = 1600 = , 08 Le jeu est donc favorable au joueur car il gagne en moyenne environ 1 e. Exemple 2 : Une urne contient n + 8 boules : 8 boules blanches et n noires. (n est un entier, n 2) Un joueur tire avec remise deux boules de l urne et examine leurs couleurs. Pour chaque boule blanche tirée, il gagne 5 e, mais pour chaque noire tirée, il perd 10 e. On note G la variable aléatoire donnant le gain algébrique du joueur sur un tirage. 1. Quelle sont le valeur de G? On peut avoir 2 boules blanches soit 10 e, 1 boule blanche et une boule noire soit 5 e ou 2 boules noires soit 20 e G = {10, 5, 20}

23 6.3 EXEMPLES Définir en fonction de n la loi de probabilité de G 8 2 P(G = 10) = (n + 8) 2 64 = (n + 8) 2 pour les boules de couleur différentes, on a le choix blanche, noire et inversement P(G = 5) = 2 8n (n + 8) 2 P(G = 20) = On peut résumer la loi dans un tableau = 16n (n + 8) 2 n 2 (n + 8) 2 g i gain n n P(G = g i ) 2 (n + 8) 2 (n + 8) 2 (n + 8) 2 3. Calculer en fonction de n l espérance mathématique de gain. Existe t-il une valeur de n telle que l espérance du gain soit nulle? On calcule l espérance : E(G) = 64 16n 10 (n + 8) 2 (n + 8) 2 5 n2 (n + 8) 2 20 = 20n2 80n (n + 8) 2 Pour que l espérance soit nulle, il faut que : 20n 2 80n = 0 n 2 4n + 32 = 0 On ne retient que la valeur positive : = = 144 = 12 2 n = Le résultat semble cohérent car la boule noire fait perdre deux fois plus que la boule blanche fait gagner. = 4 Fin

Les trois sortes de tirages

Les trois sortes de tirages DERNIÈRE IMPRESSION LE 29 juin 2015 à 19:20 Les trois sortes de tirages Introduction Comme nous l avons vu, dans une loi équirépartie, il est nécessaire de dénombrer les cas favorables et les cas possibles.

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires Chapitre I Probabilités Bcpst 1 2 novembre 2015 I Exemples d expériences aléatoires Une expérience aléatoire est une expérience dont on ne peut pas prédire le résultat avant de l avoir réalisée... ce qui

Plus en détail

Exercices : Probabilités

Exercices : Probabilités Exercices : Probabilités Partie : Probabilités Exercice Dans un univers, on donne deux événements et incompatibles tels que =0, et =0,7. Calculer,, et. Exercice Un dé (à faces) est truqué de la façon suivante

Plus en détail

Probabilités (méthodes et objectifs)

Probabilités (méthodes et objectifs) Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d

Plus en détail

EXERCICES SUR LES PROBABILITÉS

EXERCICES SUR LES PROBABILITÉS EXERCICES SUR LES PROBABILITÉS Exercice 1 Dans un univers Ω, on donne deux événements A et B incompatibles tels que p(a) = 0,2 et p(b) = 0,7. Calculer p(a B), p(a B), p ( A ) et p ( B ). Exercice 2 Un

Plus en détail

PROBABILITÉS. I) Introduction, aperçu historique. Loi de probabilité

PROBABILITÉS. I) Introduction, aperçu historique. Loi de probabilité Table des matières PROBABILITÉS Résumé de cours I) Introduction, aperçu historique 1 II) Loi de probabilité 1 III)Probabilité d évènement 2 1. Le vocabulaire des probabilités................................

Plus en détail

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J.

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J. Année 2013-2014 UNIVERSIÉ DE CERGY LICENCE d ÉCONOMIE et FINANCE LICENCE de GESION Seconde année - Semestre 3 PROBABILIÉS Cours de M. J. Stéphan ravaux Dirigés de Mme M. Barrié, M. J-M. Chauvet et M. J.

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROBABILITÉS ONDITIONNELLES Exercice 01 On considère une roue partagée en 15 secteurs angulaires numérotés de 1 à 15. es secteurs sont de différentes couleurs. On fait tourner la roue qui s'arrête sur

Plus en détail

Chapitre 8 : Probabilités-Indépendance

Chapitre 8 : Probabilités-Indépendance Cours de mathématiques Terminale S Chapitre 8 : Probabilités-Indépendance Année scolaire 008-009 mise à jour 6 janvier 009 Fig. Andreï Kolmogorov Un précurseur de la formalisation de la théorie des probabilités

Plus en détail

4. Exercices et corrigés

4. Exercices et corrigés 4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au

Plus en détail

Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES

Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Chapitre Ce que dit le programme : Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Objectifs visés par l enseignement des statistiques et probabilités à l occasion de résolutions de problèmes dans

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices sur le chapitre «Probabilités» Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de

Plus en détail

PROBABILITÉS. I Vocabulaire des événements 2 I.1 Vocabulaire... 2 I.2 Intersection et réunion d événements... 2 I.3 Représentation des évenements...

PROBABILITÉS. I Vocabulaire des événements 2 I.1 Vocabulaire... 2 I.2 Intersection et réunion d événements... 2 I.3 Représentation des évenements... PROBABILITÉS Table des matières I Vocabulaire des événements 2 I.1 Vocabulaire.............................................. 2 I.2 Intersection et réunion d événements................................ 2

Plus en détail

les probabilités en Terminale Bac Pro

les probabilités en Terminale Bac Pro les probabilités en Terminale Bac Pro stéphane GARNUNG Domaine Public : http://creativecommons.org/licenses/publicdomain/2.0/fr/ juin 2012 1.0 Table des matières I - Langage probabiliste 3 1. Expérience

Plus en détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Probabilités conditionnelles Loi binomiale

Probabilités conditionnelles Loi binomiale Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard

Plus en détail

Chapitre 5 Les Probablilités

Chapitre 5 Les Probablilités A) Introduction et Définitions 1) Introduction Chapitre 5 Les Probablilités De nombreuses actions provoquent des résultats qui sont dus en partie ou en totalité au hasard. Il est pourtant nécessaire de

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Thomas Rey classe de Terminale ES 2 Table des matières 1 Équations de droites. Second degré 7 1.1 Équation de droite.................................. 7 1.2 Polynôme du second degré..............................

Plus en détail

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12 Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont

Plus en détail

I. Cas de l équiprobabilité

I. Cas de l équiprobabilité I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus

Plus en détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les probabilités. Chapitre 18. Tester ses connaissances Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce

Plus en détail

Probabilités, cours pour la classe de Terminale STG

Probabilités, cours pour la classe de Terminale STG Probabilités, cours pour la classe de Terminale STG F.Gaudon 16 février 2008 Table des matières 1 Probabilités (rappels) 2 2 Événements 3 3 Calculs de probabilités 4 4 Probabilités conditionnelles 5 4.1

Plus en détail

Feuille d exercices 1

Feuille d exercices 1 Université Paris 7 - Denis Diderot L2 - Probabilités PS4 Année 2014-2015 Feuille d exercices 1 Exercice 1 Combien y a-t-il de paires d entiers non consécutifs compris entre 1 et n (n 1)? Exercice 2 1.

Plus en détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements

Plus en détail

Coefficients binomiaux

Coefficients binomiaux Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant

Plus en détail

Prétest A QUESTIONNAIRE

Prétest A QUESTIONNAIRE MATHÉMATIQUES MAT5103 Probabilités II Prétest A QUESTIONNAIRE NE PAS ÉCRIRE SUR CE DOCUMENT Version du 16 décembre 2004 Rédigé par Denise Martin (martindenise@csdgsqcca) Centre L Envol 1 Un jeu consiste

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Probabilités. C. Charignon. I Cours 3

Probabilités. C. Charignon. I Cours 3 Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3

Plus en détail

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile. Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir

Plus en détail

Fluctuation d une fréquence selon les échantillons - Probabilités

Fluctuation d une fréquence selon les échantillons - Probabilités Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille

Plus en détail

8 Probabilités. Les notions étudiées dans ce chapitre CHAPITRE. 1. Expérience aléatoire 2. Loi de probabilité 3. Probabilité d'un événement

8 Probabilités. Les notions étudiées dans ce chapitre CHAPITRE. 1. Expérience aléatoire 2. Loi de probabilité 3. Probabilité d'un événement CHAPITRE Probabilités Les notions étudiées dans ce chapitre Le mot hasard vient de l'arabe al zhar qui désigne un dé à jouer. Les jeux de hasard sont connus depuis la plus haute Antiquité. Déjà les romains

Plus en détail

COURS DE MATHEMATIQUES TERMINALE STG

COURS DE MATHEMATIQUES TERMINALE STG COURS DE MATHEMATIQUES TERMINALE STG Chapitre 1. TAUX D EVOLUTION... 5 1. TAUX D EVOLUTION ET COEFFICIENTS MULTIPLICATEURS... 5 a. Taux d évolution... 5 b. Coefficient multiplicateur... 5 c. Calcul d une

Plus en détail

CHAPITRES 5 et 6 PROBABILITÉS ET DÉNOMBREMENTS

CHAPITRES 5 et 6 PROBABILITÉS ET DÉNOMBREMENTS 1 re EFG hapitres et Probabilités et dénombrements HAPITRES et PROBABILITÉS ET DÉNOMBREMENTS Exercice 1 Dans un magasin les modes de paiement et les montants des achats sont répartis de la façon suivante

Plus en détail

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

2. Les prénoms les plus populaires pour les filles en Belgique en 2006 sont :

2. Les prénoms les plus populaires pour les filles en Belgique en 2006 sont : EXERCICES SUR LE CHAPITRE 1 : 1 ÈRE PARTIE Les règles fondamentales du calcul des probabilités Le théorème de probabilité totale et le théorème de Bayes FORMULES Règle de la somme (OU) : P(A + B) = P(A)

Plus en détail

LEÇON N 5 : 5.1 Probabilité conditionnelle. Pré-requis : Opérations sur les ensembles, cardinaux ; Espaces probabilisés ; Calcul de probabilités.

LEÇON N 5 : 5.1 Probabilité conditionnelle. Pré-requis : Opérations sur les ensembles, cardinaux ; Espaces probabilisés ; Calcul de probabilités. LEÇON N 5 : Probabilité conditionnelle, indépendance de deux événements (on se limitera au cas où l ensemble d épreuves des fini). Applications à des calculs de probabilité. Pré-requis : Opérations sur

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais

Plus en détail

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention

Plus en détail

MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités

MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités Master Génie des Systèmes Industriels, mentions ACCIE et RIM Université du Littoral - Côte d Opale, La Citadelle Laurent SMOCH (smoch@lmpa.univ-littoral.fr)

Plus en détail

2 Probabilités conditionnelles. Événements indépendants

2 Probabilités conditionnelles. Événements indépendants 2 Probabilités conditionnelles. Événements indépendants 2.1 Probabilité conditionnelle Soient A et B deux événements tels que P(B) > 0. Soit alors P(A B), la probabilité que A se réalise, B étant réalisé.

Plus en détail

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch 2. Probabilité 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance Probabilité et Statistiques I Chapître 2 1 2.1 Espaces de Probabilité Contenu Exemples élémentaires de probabilité,

Plus en détail

Probabilités sur un univers ni

Probabilités sur un univers ni POIRET Aurélien TD n o 21 MPSI Probabilités sur un univers ni 1 Événements et probabilités Exercice N o 1 : Dans un centre de loisirs, une personne peut pratiquer trois activités. On considère les événements

Plus en détail

Exercices : VAR discrètes

Exercices : VAR discrètes Exercices : VAR discrètes Exercice 1: Une urne contient 2 boules blanches et 4 boules noires. On tire les boules une à une sans les remettre jusqu à ce qu il ne reste que des boules d une seule couleur

Plus en détail

Terminale S-SI Probabilités conditionnelles

Terminale S-SI Probabilités conditionnelles robabilités conditionnelles Table des matières 1 Introduction 2 2 Définitions 2 3 Formule des probabilités totales 3 4 Indépendance et principe du produit 5 5 Exercices 5 1 1 Introduction Lorsque 7 élèves

Plus en détail

CALCUL DES PROBABILITES

CALCUL DES PROBABILITES CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les

Plus en détail

Séquence 3. Probabilité : conditionnement et indépendance

Séquence 3. Probabilité : conditionnement et indépendance Séquence 3 Probabilité : conditionnement et indépendance Sommaire. Pré-requis. Conditionnement par un événement de probabilité non nulle 3. Indépendance 4. Synthèse Dans cette première séquence sur les

Plus en détail

COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1

COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1 COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1 Laurence GRAMMONT Laurence.Grammont@univ-st-etienne.fr Les solutions des exercices posés dans ce polycopié ne sont pas rédigées. October

Plus en détail

SESSION 2006. NOM, Prénom : PROBABILITES 2006 T ES. France septembre 2005 (5 points)

SESSION 2006. NOM, Prénom : PROBABILITES 2006 T ES. France septembre 2005 (5 points) SESSION 2006 France septembre 2005 (5 points) Parmi les stands de jeux d une fête de village, les organisateurs ont installé une machine qui lance automatiquement une bille d acier lorsque le joueur actionne

Plus en détail

2010 My Maths Space Page 1/6

2010 My Maths Space Page 1/6 A. Des statistiques aux probabilités 1. Statistiques descriptives, analyse de données. Vocabulaire des statistiques : Population : c'est l'ensemble étudié. Individu : c'est un élément de la population.

Plus en détail

Calculs de probabilités conditionelles

Calculs de probabilités conditionelles Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile

Plus en détail

Chapitre IV : Couples de variables aléatoires discrètes

Chapitre IV : Couples de variables aléatoires discrètes UNIVERSITÉ DE CERG Année 0-03 UFR Économie & Gestion Licence d Économie et Gestion MATH0 : Probabilités Chapitre IV : Couples de variables aléatoires discrètes Généralités Définition Soit (Ω, P(Ω), P)

Plus en détail

Exercices corrigés de probabilités et statistique

Exercices corrigés de probabilités et statistique Exercices corrigés de probabilités et statistique Université Paris 1 Panthéon-Sorbonne Cours de deuxième année de licence de sciences économiques Fabrice Rossi Cette œuvre est mise à disposition selon

Plus en détail

Chapitre 3 : Introduction aux probabilités

Chapitre 3 : Introduction aux probabilités IUT de Sceaux Département TC1 Mathématiques Chapitre 3 : Introduction aux probabilités 1. Évènements Les événements élémentaires sont les issues possibles d'une expérience aléatoire. Un événement est un

Plus en détail

Probabilités conditionnelles Exercices corrigés

Probabilités conditionnelles Exercices corrigés Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.

Plus en détail

Espace de probabilité, indépendance et probabilité conditionnelle

Espace de probabilité, indépendance et probabilité conditionnelle Chapter 2 Espace de probabilité, indépendance et probabilité conditionnelle Sommaire 2.1 Tribu et événements........................................... 15 2.2 Probabilité................................................

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Baccalauréat S Probabilités Index des exercices de probabilité de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS

Baccalauréat S Probabilités Index des exercices de probabilité de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS Baccalauréat S Probabilités Index des exercices de probabilité de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS N o Lieu et date P. condi- Variable Loi bino- Loi uni- Loi expo- Suite tionelle aléatoire

Plus en détail

Contrôle de statistiques Sujet 2 Corrigé

Contrôle de statistiques Sujet 2 Corrigé Contrôle de statistiques Sujet 2 Corrigé L2 d économie - Université Paris 1 Panthéon-Sorbonne Nom : Prénom : Les exercices sont indépendants. Le barème est indicatif. L utilisation de documents, calculatrices,

Plus en détail

collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscours.html Activité cours : Probabilité

collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscours.html Activité cours : Probabilité Le cours de M. Haguet collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscous.html Activité cours : Probabilité I) Expérience aléatoire a) Exemples d'expériences pile ou face jeu de

Plus en détail

1.1 Probabilité, événements

1.1 Probabilité, événements T le ES - programme 0 mathématiques ch.4 cahier élève Page sur 3 Ch.4 Probabilités conditionnelles. Probabilité, événements Probabilité d'un événement On note a,a,, a n les événements élémentaires d'une

Plus en détail

Sujet 1. Problème 1 [2p] Lors d une course de chevaux, il y a 10 chevaux au départ. Combien de possibilités pour le tiercé?

Sujet 1. Problème 1 [2p] Lors d une course de chevaux, il y a 10 chevaux au départ. Combien de possibilités pour le tiercé? Sujet 1 Problème 1 [2p] Lors d une course de chevaux, il y a 10 chevaux au départ. Combien de possibilités pour le tiercé? Il faut choisir 3 chevaux parmi 10, et l ordre compte. Il y a 10 possibilités

Plus en détail

Thème 3 : ensembles, espaces de probabilités finis

Thème 3 : ensembles, espaces de probabilités finis Thème 3 : ensembles, espaces de probabilités finis Serge Cohen, Monique Pontier, Pascal J. Thomas Septembre 2004 1 Généralités : ensembles et parties d un ensemble Définition 1.1 On appelle ensemble une

Plus en détail

Exercices corrigés de probabilités et statistique

Exercices corrigés de probabilités et statistique Exercices corrigés de probabilités et statistique Université Paris 1 Panthéon-Sorbonne Cours de deuxième année de licence de sciences économiques Fabrice Rossi & Fabrice Le Lec Cette œuvre est mise à disposition

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

Notions de probabilités

Notions de probabilités 44 Notions de probabilités Capacités Expérimenter, d abord à l aide de pièces, de dés ou d urnes, puis à l aide d une simulation informatique prête à l emploi, la prise d échantillons aléatoires de taille

Plus en détail

Dénombrement Probabilité uniforme sur un ensemble fini

Dénombrement Probabilité uniforme sur un ensemble fini UPV - MathsL1S1 1 II Dénombrement Dénombrement Probabilité uniforme sur un ensemble fini I Dénombrement 1) Factorielles : Pour n entier 1, il y a : n! = n.(n - 1). (n - 2) 2.1 façons d aligner n objets

Plus en détail

Feuille d exercices 2 : Espaces probabilisés

Feuille d exercices 2 : Espaces probabilisés Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Cours de Probabilités et de Statistique

Cours de Probabilités et de Statistique Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles

Plus en détail

Probabilités. I - Expérience aléatoire. II - Evénements

Probabilités. I - Expérience aléatoire. II - Evénements Probabilités Voici le premier cours de probabilités de votre vie. N avez-vous jamais eut envie de comprendre les règles des grands joueurs de poker et de les battre en calculant les probabilités d avoir

Plus en détail

TD 4 : HEC 2001 épreuve II

TD 4 : HEC 2001 épreuve II TD 4 : HEC 200 épreuve II Dans tout le problème, n désigne un entier supérieur ou égal à 2 On dispose de n jetons numérotés de à n On tire, au hasard et sans remise, les jetons un à un La suite (a, a 2,,

Plus en détail

Probabilités Loi binomiale Exercices corrigés

Probabilités Loi binomiale Exercices corrigés Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre

Plus en détail

Séquence 3. Probabilité : conditionnement. Sommaire

Séquence 3. Probabilité : conditionnement. Sommaire Séquence 3 Probabilité : conditionnement Objectifs de la séquence Dans cette première séquence sur les probabilités, on complète les connaissances des années précédentes en introduisant une notion nouvelle

Plus en détail

Terminale STMG Lycée Jean Vilar 2013/2014. Terminale STMG. O. Lader

Terminale STMG Lycée Jean Vilar 2013/2014. Terminale STMG. O. Lader Terminale STMG O. Lader Table des matières 1 Information chiffrée (4s) 4 1.1 Taux d évolution....................................... 6 1.2 indices............................................. 6 1.3 Racine

Plus en détail

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle

Plus en détail

Probabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.

Probabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher. Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110

Plus en détail

P1 : Corrigés des exercices

P1 : Corrigés des exercices P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à

Plus en détail

Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT

Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT Université d Avignon Fichier dispo sur http://fredericnaud.perso.sfr.fr/ Une étude statistique dans la population montre que le Q.I. est

Plus en détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

Niveau. Situation étudiée. Type d activité. Durée. Objectifs. Seconde.

Niveau. Situation étudiée. Type d activité. Durée. Objectifs. Seconde. Simuler des expériences aléatoires avec une calculatrice Niveau Seconde. Situation étudiée Différentes selon les séances : Séance 1 : Jeu de pile ou face, tirages de boule dans une urne avec des proportions

Plus en détail

Arbre de probabilité(afrique) Univers - Evénement

Arbre de probabilité(afrique) Univers - Evénement Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer

Plus en détail

TD: Ensembles, applications, dénombrement

TD: Ensembles, applications, dénombrement Université de Provence Année 011/1 Licence Math Info ème année S3 Fondements de l Informatique 1 Ensembles et fonctions TD: Ensembles, applications, dénombrement 1. On suppose que l ensemble de tous les

Plus en détail

LIVRET DE MATHEMATIQUES ENTREE EN PREMIERE S Institut Notre-Dame (Saint Germain en Laye) Année 2015-2016

LIVRET DE MATHEMATIQUES ENTREE EN PREMIERE S Institut Notre-Dame (Saint Germain en Laye) Année 2015-2016 LIVRET DE MATHEMATIQUES ENTREE EN PREMIERE S Institut Notre-Dame (Saint Germain en Laye) Année 015-016 Pourquoi ce livret? Afin de mieux préparer cette rentrée, ce livret reprend un ensemble de notions

Plus en détail

Analyse Combinatoire

Analyse Combinatoire Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien

Plus en détail

Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles

Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles Pour BCPST 1 Année scolaire : 2004/2005 16 juin 2005 Mohamed TARQI Table des matières 1 Dénombrement 3 1.1 Généralités.

Plus en détail

Chapitre 4 NOTIONS DE PROBABILITÉS

Chapitre 4 NOTIONS DE PROBABILITÉS Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 4 NOTIONS DE PROBABILITÉS Les chapitres précédents donnent des méthodes graphiques et numériques pour caractériser

Plus en détail

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,

Plus en détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles

Plus en détail

Correction des exemples. Mathieu EMILY

Correction des exemples. Mathieu EMILY Correction des exemples Mathieu EMILY Novembre 2005 Table des Matières Exemple_Exercice 1 Page 2 Exemple_Exercice 2 Page 3 Exemple_Exercice 3 Page 5 Exemple_Exercice 4 Page 6 Exemple_Exercice 5 Page 7

Plus en détail

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples 36 Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples (Ω, B, P est un espace probabilisé. 36.1 Définition et propriétés des probabilités conditionnelles Définition 36.1

Plus en détail

COUPLES DE VARIABLES ALÉATOIRES

COUPLES DE VARIABLES ALÉATOIRES CHAPITRE 13 COUPLES DE VARIABLES ALÉATOIRES Dans tout le chapitre, (Ω, P) désignera un espace probabilisé fini. 1 Couple de variables aléatoires Définition 13.1 On appelle couple de variables aléatoires

Plus en détail

Cours de mathématiques Partie IV Probabilités MPSI 4

Cours de mathématiques Partie IV Probabilités MPSI 4 Lycée Louis-Le-Grand, Paris Année 2013/2014 Cours de mathématiques Partie IV Probabilités MPSI 4 Alain TROESCH Version du: 30 mai 2014 Table des matières 1 Dénombrement 3 I Combinatoire des ensembles

Plus en détail

Cogmaster, Probabilités discrètes. Feuille de TD n o 1 - Événements et probabilités

Cogmaster, Probabilités discrètes. Feuille de TD n o 1 - Événements et probabilités Cogmaster, Probabilités discrètes Feuille de TD n o 1 - Événements et probabilités Exercice 1 Parmi les ensembles suivants, lesquels sont égaux entre eux? A = {n + 4, n N}, B = {n, n = k + 4, k N}, C =

Plus en détail

Les supports de cours suivants font référence au cours de Mr SOL et à son livre : "Accès à l'université" chez DUNOD

Les supports de cours suivants font référence au cours de Mr SOL et à son livre : Accès à l'université chez DUNOD Les supports de cours suivants font référence au cours de Mr SOL et à son livre : "Accès à l'université" chez DUNOD Les supports de cours ne sont pas complets, ils ne contiennent ni les démonstrations,

Plus en détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

Plus en détail